P330 - 43. GIL-Jahrestagung 2023 - Fokus: Resiliente Agri-Food-Systeme
Autor*innen mit den meisten Dokumenten
Auflistung nach:
Neueste Veröffentlichungen
- KonferenzbeitragAntecedents of organizational resilience and how these can be transferred to agriculture(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Hohagen, Saskia; Obermann, Niklas; Wilkens; UtaThe agricultural sector is increasingly characterized by national competition and a dynamic environment. The resilience concept, which is used in connection with farms, is based on the social-ecological perspective and primarily gives emphasis to a system. To this end, there is a research gap in the consideration of resilience from a management perspective in agriculture. Drawing on the literature on organizational resilience from a managerial perspective, this article examines resilience-enabling factors that can be used by operations managers to prepare for future challenges in agriculture. A systematic literature review was conducted from which four main categories of antecedents (leadership, individual factors, digitalization and strategic alignment) could be derived, consistent with a socio-technical perspective on organizations. Considering these factors can help farm managers to build resilient farms not only from a social-ecological, but also from an organizational (management) perspective.
- KonferenzbeitragEvaluating synthetic vs. real data generation for AI-based selective weeding(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Iqbal, Naeem; Bracke, Justus; Elmiger, Anton; Hameed, Hunaid; von Szadkowski, KaiSynthetic data has the potential to reduce the cost for ML training in agriculture but poses its own set of problems compared to real data acquisition. In this work, we present two methods of training data acquisition for the application of machine vision algorithms in the use case of selective weeding. Results from ML experiments suggest that current methods for generating synthetic data in the field of agriculture cannot fully replace real data but may greatly reduce the quantity of real data required for model training.
- KonferenzbeitragComputer-Vision-basierte Aktivitätserkennung bei Schweinen(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Hesse, Lukas; Fruhner, Maik; Tapken, Heiko; Müller, HenningDie Sicherstellung des Tierwohls ist einer der Kernaspekte in der modernen Nutztierhaltung. Da sich durch den steigenden Bedarf an Lebensmitteln und dem steigenden Kostendruck immer mehr Landwirte dazu gezwungen sehen, immer größere Tierzahlen zu halten, fällt es vor dem Hintergrund des Fachkräftemangels schwieriger, diesem Aspekt nachzukommen. Aus diesem Grund müssen Technologien zur Unterstützung von Landwirten entwickelt werden, welche datenbezogene hochwertige Entscheidungshilfen geben können. Einen solchen Ansatz erarbeitet das Team des Forschungsprojektes SmartTail, bei dem unter anderem eine Computer-Vision-basierte Aktivitätserkennung erarbeitet wird. Durch die nicht-invasive und kostengünstige Hardware können so potenziell flächendeckend Systeme zur Unterstützung der Landwirte implementiert werden. Innerhalb dieser Arbeit wird sich mit der videobasierten Aktivitätserkennung bei Schweinen beschäftigt. Besonders betrachtet wird dabei das Problem des Schwanzbeißens. Dieses ist in der Schweinehaltung bekannt, aber aufgrund der multifaktoriellen Ursachen existiert bisher weder ein System zur Vorhersage noch zum Erkennen solcher Attacken. Aus diesem Grund werden innerhalb dieser Arbeit mehrere state-of-the-art Modelle zur bildbasierten Aktivitätserkennung betrachtet und miteinander verglichen, um so ein effektives System zur Aktivitätserkennung bei Schweinen zu entwickeln.
- Konferenzbeitrag43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme - kompletter Tagungsband(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023)
- KonferenzbeitragOverview of control systems for robotic harvesting of sweet peppers and apples(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Shokrian Zeini, Mostafa; Shamshiri, Redmond R.; Dworak, Volker; Käthner, Jana; Höfner, Nora; Navas, Eduardo; Weltzien, CorneliaAutomated harvesting systems are becoming a crucial part of digital agriculture. Substituting time-consuming and laborious manual harvesting with a continuously automated operation would result in reduced human efforts, which contribute to higher field efficiency. This could be achieved by means of robotic harvesting which comprises robot manipulators, gripping and grasping mechanisms, software implementations. However, the inadequate design of control strategies could cause the agricultural production loss. This paper reviews some of the latest achievements in control systems of agricultural robotics and more specifically in robotic harvesting. The employed robot arms, their degrees of freedom (DOF), and the crops are also considered in this review study. While the control algorithms are being developed with high robustness and fast-response properties, our conclusion is that the performance of controllers could be drastically affected by different parameters such as the number of DOF, estimation accuracy of the robot pose during visual servoing and failure of robot’s inverse kinematics solver.
- KonferenzbeitragEntwicklung eines automatischen Monitoringsystems für die Geburtsüberwachung bei Sauen(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Wutke, Martin; Lensches, Clara; Witte, Jan-Hendrik; Gerberding, Johann; Lieboldt, Marc-Alexander; Traulsen, ImkeDie Überwachung des Abferkelungsverlaufs ist in der Schweinehaltung von großer Bedeutung, um auftretende Geburtsstörungen frühzeitig erkennen und geeignete Maßnahmen ergreifen zu können. Da eine zeitnahe Geburtserkennung und -betreuung aufgrund intensivierter Haltungsbedingungen oftmals nur schwer zu erzielen ist, war das Ziel der vorliegenden Studie, die Eignung neuronaler Netzwerke zur automatischen Identifikation des Geburtsmomentes zu untersuchen. Anhand einer YoloV5-Netzwerkarchitektur bestimmten wir auf Basis der Detektion unterschiedlicher Körperteile der Muttersau den potentiellen Geburtsbereich innerhalb der Abferkelbucht und identifizierten den Moment der Geburt des ersten Ferkels anhand der Objektdetektion des Ferkels innerhalb des Zielbereichs. Wir validierten unser Analysemodell durch zweistufigen Ansatz und erreichten einen Precision-, Recall- und MAP-Wert von 0.982, 0.989 und 0.993 im Rahmen der Objektdetektion sowie einen Accuracy-, Recall- und Precision-Wert von 0.9, 0.8 und 1 bei der Bestimmung des Geburtszeitpunktes.
- KonferenzbeitragRäumliche Erfassung des organischen Kohlenstoffgehaltes von Böden einer landwirtschaftlichen Intensivregion aus Sentinel-2-Daten(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Wittstruck, Lucas; Gerighausen, Heike; Säurich, Annelie; Möller, Markus; Hartmann, Knut; Steininger, Michael; Zepp, Simone; Jarmer, ThomasDer Gehalt und die räumliche Verteilung organischen Kohlenstoffs in Böden stellen eine wesentliche Information zur Bewertung des Bodenzustandes dar. In der vorliegenden Arbeit wurde daher eine quantitative Schätzung des organischen Kohlenstoffs aus räumlich hochaufgelösten multispektralen Satellitendaten in einem landwirtschaftlich geprägten Gebiet nahe der Stadt Köthen (Sachsen-Anhalt) vorgenommen. Die Grundlage bildete ein Bodenkomposit, welches aus mehrjährigen Sentinel-2 Daten (2017-2022) unter Anwendung von Vegetations- und Bodenindizes berechnet wurde. Ergänzend wurde ein digitales Geländemodell der Shuttle Radar Topography Mission (SRTM) berücksichtigt. Die Ergebnisse der Studie haben gezeigt, dass durch die Kombination von optischen Fernerkundungsdaten mit einem Geländemodell robuste Schätzungen des organischen Kohlenstoffs erreicht werden konnten (R2 = 0,83, RMSE = 0,23 und RPD = 2,46), welche mit Resultaten aus hyperspektralen Fernerkundungsdaten vergleichbar waren.
- KonferenzbeitragAnalyse ausgewählter digitaler Lösungen zur N-Düngung(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Vinzent, Beat; Maidl, Franz-Xaver; Gandorfer, MarkusAuf Basis dreijähriger Feldversuchsdaten wurden in Parzellenversuchen an einem niederbayerischen Hochertragsstandort verschiedene digitale Düngesysteme analysiert. Die Variation der einzelnen N-Düngegaben der getesteten Systeme war insgesamt nicht sehr ausgeprägt. In der Gesamtschau konnten durch die zusätzlichen Informationen zur N-Bemessung mit den digitalen Düngesystemen keine signifikant höheren N-kostenfreien Leistungen im Vergleich zu Referenzsystemen erzielt werden. Hinsichtlich der Kosten aber auch Serviceaspekte unterschieden sich die Lösungen deutlicher voneinander.
- KonferenzbeitragWann, wo und wie? Ein softwarebasiertes Mehrebenen-Informationssystem zur Optimierung von Beweidungssystemen(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Sturm, Astrid; Schöttker, Oliver; Kadir, Karmand; Wätzold, FrankWir präsentieren den Prototyp eines Softwarebasierten Mehrebenen-Informations-systems für Landwirte (SMILe) für die Berechnung optimierter Weideproduktionssysteme im Grünland. Anhand der im SMILE zur Verfügung stehenden Daten können moderne und nachhaltige Weideproduktionssysteme dargestellt und optimiert werden. Aus den verarbeiteten ökologischen und agronomischen Daten werden Aussagen über den Zustand von Weideflächen, daraus folgend das Beweidungspotential für bestimmte Flächen abgeleitet und eine Empfehlung an Nutzer:innen präsentiert. SMILe unterstützt Nutzer:innen bei der Planung und Umsetzung „virtueller Zäune“ als Alternative zu physischen Zäunen.
- KonferenzbeitragEvaluierung eines Funktionsmusters für ein Tracking-Referenzsystem in der Rinderhaltung(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Sporkmann, Katrin; Neeland, Heiko; Engels, Christiane; Trilling, Maria; Wegener, Marten; Pache, Steffen; Büscher, WolfgangIm Rahmen des Experimentierfelds CattleHub wird eine Spezifikation für ein Tracking-Referenzsystem entwickelt, welches Vergleichsuntersuchungen von kommerziellen Trackingsystemen für Milchkühe ermöglicht und mit dem weitere neue Anwendungsfälle für die Praxis erschlossen werden sollen. Für eine erste Untersuchung im Stall ohne Tierpräsenz wurden statische und dynamische Messreihen mit dem Funktionsmuster eines solchen Systems durchgeführt. Die statischen Messreihen erzielten eine mittlere Positionsgenauigkeit von 50,7 cm mit einer Präzision von 4,6 cm und einem Offset von 50,5 cm. Die Positionsgenauigkeit des bewerteten Systems wurde hauptsächlich von einem hohen Offset für die y-Koordinate bestimmt. Die dynamischen Messreihen zeigten eine durchschnittliche Standardabweichung von 8,8 cm vom Mittelwert für die Strecken in y-Richtung und von 14,4 cm für die Strecken in x-Richtung. Die Bewegungsverläufe konnten durch das System zeitlich gut abgebildet werden. Die nächsten Erprobungsschritte des Referenzsystems erfolgen mit Prototypen am Tier.